مایکروسافت با توسعه ابزارهای هوش مصنوعی جدید، سلطه انحصاری CUDA انویدیا را به چالش می‌کشد

مایکروسافت در یک اقدام استراتژیک و بلندپروازانه، مجموعه‌ای از ابزارهای پیشرفته هوش مصنوعی را توسعه داده است که قادرند کدهای مبتنی بر CUDA انویدیا را برای سازگاری با پلتفرم ROCm متعلق به پردازنده‌های گرافیکی AMD تبدیل کنند. این رویکرد، که می‌تواند توازن قدرت را در بازار سخت‌افزار هوش مصنوعی دگرگون سازد، تلاشی آشکار برای کاهش وابستگی مایکروسافت به اکوسیستم نرم‌افزاری قوی و انحصاری انویدیا است. هدف اصلی این پروژه، بهینه‌سازی بار کاری استنتاج (Inference) هوش مصنوعی است که این روزها اهمیت فزاینده‌ای نسبت به مرحله آموزش (Training) پیدا کرده است.

چرا سلطه CUDA انویدیا در هوش مصنوعی شکسته نشده است؟

در دنیای هوش مصنوعی، CUDA (Compute Unified Device Architecture) به عنوان ستون فقرات نرم‌افزاری برای پردازنده‌های گرافیکی انویدیا عمل می‌کند. این پلتفرم، با فراهم آوردن مجموعه‌ای قدرتمند از ابزارها، APIها و کتابخانه‌ها، به توسعه‌دهندگان اجازه می‌دهد تا از توان پردازشی موازی GPUها برای محاسبات پیچیده هوش مصنوعی و یادگیری عمیق بهره ببرند. سلطه بی‌بدیل انویدیا در این حوزه، نه تنها به دلیل برتری سخت‌افزاری، بلکه عمدتاً مرهون اکوسیستم نرم‌افزاری بلوغ‌یافته و فراگیر CUDA است که طی سال‌ها توسعه یافته و پشتیبانی گسترده‌ای از جامعه توسعه‌دهندگان برخوردار شده است. این عامل، رقبایی مانند AMD را با وجود ارائه سخت‌افزارهای توانمند، در موقعیت دشواری برای ارائه جایگزینی همه‌گیر قرار داده است. پلتفرم ROCm متعلق به AMD، هرچند به عنوان یک جایگزین متن‌باز شناخته می‌شود، اما هنوز نتوانسته به گستردگی و پختگی اکوسیستم CUDA دست یابد.

حرکت استراتژیک مایکروسافت برای کاهش وابستگی به CUDA

بر اساس گزارش‌ها، مایکروسافت در حال کار بر روی مجموعه‌ای از «Toolkits» است که توانایی تبدیل کدهای نوشته‌شده بر پایه CUDA را به نسخه‌های سازگار با ROCm برای اجرای روی پردازنده‌های گرافیکی AMD دارند. این اقدام در وهله اول، به مایکروسافت اجازه می‌دهد تا از سخت‌افزارهای AMD برای بارهای کاری استنتاجی در زیرساخت‌های ابری خود، از جمله Azure، بهره ببرد. یک کارمند ارشد مایکروسافت تأکید کرده است که این شرکت به دنبال بهره‌گیری از پشته پردازنده‌های گرافیکی AMD برای استنتاج است؛ مرحله‌ای که در آن مدل‌های هوش مصنوعی آموزش‌دیده، برای پیش‌بینی و انجام وظایف واقعی به کار گرفته می‌شوند و با توجه به رشد روزافزون کاربردهای هوش مصنوعی، از اهمیت بالایی برخوردار شده است. این استراتژی، گزینه‌های سخت‌افزاری مایکروسافت را متنوع‌تر کرده و آن را در برابر نوسانات بازار و قیمت‌گذاری انحصاری انویدیا، انعطاف‌پذیرتر می‌سازد.

چالش‌های فنی در مسیر شکستن انحصار و سلطه CUDA

تلاش برای ترجمه کدهای CUDA به ROCm، با وجود شباهت‌های بنیادین در معماری‌های پردازنده‌های گرافیکی، با چالش‌های فنی متعددی روبروست. این ابزارها احتمالاً از روش‌هایی مشابه با ابزارهایی مانند ZLUDA بهره می‌برند که با رهگیری تماس‌های API (واسط برنامه‌نویسی نرم‌افزار) CUDA، آن‌ها را به دستورات معادل و سازگار با ROCm تبدیل می‌کنند؛ بدون نیاز به بازنویسی کامل کد منبع. مایکروسافت در این راستا همکاری نزدیکی با AMD دارد تا عملکرد پردازنده‌های گرافیکی جدیدتر این شرکت، از جمله سری‌های 400X و 450X را در محیط Azure بهینه کند. با این حال، غلبه بر سلطه CUDA کار ساده‌ای نیست و موانع اصلی شامل موارد زیر است:

نابالغی پلتفرم ROCm: این پلتفرم در مقایسه با CUDA، هنوز نسبتاً جدید بوده و از نظر پوشش APIها و بهینه‌سازی‌ها به بلوغ کامل نرسیده است.

نبود معادل مستقیم برای برخی APIها: بسیاری از تماس‌های API و قطعات کد ویژه در CUDA، معادل مستقیمی در نرم‌افزار AMD ندارند که می‌تواند به افت عملکرد یا حتی عدم کارکرد منجر شود.

ریسک‌های فنی و مقیاس‌پذیری: در مراکز داده بزرگ، حتی افت عملکرد اندک نیز می‌تواند هزینه‌های گزافی به همراه داشته باشد و مهاجرت در مقیاس وسیع پیچیدگی‌های خاص خود را دارد.

پیامدهای گسترده بر بازار هوش مصنوعی و چشم‌انداز سلطه CUDA

حرکت مایکروسافت می‌تواند پیامدهای عمیقی بر بازار سخت‌افزار هوش مصنوعی داشته باشد. با افزایش تقاضا برای بارهای کاری استنتاجی، یافتن راه‌حل‌های مقرون‌به‌صرفه‌تر از پردازنده‌های گرافیکی گران‌قیمت انویدیا، به یک اولویت تبدیل شده است. تراشه‌های هوش مصنوعی AMD به دلیل قیمت رقابتی، گزینه‌ای جذاب برای مایکروسافت محسوب می‌شوند. اگر این Toolkits بتوانند کدهای مبتنی بر CUDA را به طور مؤثر و با کارایی قابل قبول به ROCm تبدیل کنند، می‌تواند به افزایش رقابت‌پذیری AMD در بازار هوش مصنوعی کمک کرده و انحصار انویدیا را تا حدی بشکند. همچنین، این ابزارها می‌توانند به عنوان یک ابزار مهاجرت ابری یکپارچه برای پلتفرم Azure عمل کنند و به کاربران امکان دهند پروژه‌های خود را بین GPUهای AMD و انویدیا جابه‌جا کنند. این پیشرفت، گامی بزرگ در مسیر مایکروسافت برای استقلال از انویدیا و ارائه انعطاف‌پذیری بیشتر به مشتریان خود در عصر هوش مصنوعی خواهد بود.

پایگاه خبری مجتمع نوآوری فرداد

مطالب مرتبط

ماهان زند

من فارغ‌التحصیل رشته مهندسی کامپیوتر هستم و از دوران نوجوانی به دنیای فناوری علاقه‌مند بودم. فعالیت حرفه‌ای خودم را از سال ۱۳۹۷ با نوشتن مقاله‌های نقد و بررسی گجت‌های هوشمند در یک وبلاگ شخصی آغاز کردم. پس از کسب تجربه، به عنوان نویسنده و تحلیل‌گر در نشریات مختلف فعالیت کردم و در حال حاضر، به عنوان دبیر بخش فناوری‌های نو در یک مجله معتبر تکنولوژی مشغول به کار هستم. تلاش من این است که آخرین اخبار و پیشرفت‌های دنیای فناوری را به زبانی ساده و کاربردی برای مخاطبان ارائه دهم.